0
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

【GoogleCloud 認定資格】Professional Machine Learning合格への勉強法(英単語集付き)

Last updated at Posted at 2024-09-29

はじめに

英語の壁を乗り越え、Google Cloud Professional Machine Learning Engineer試験に合格することができました!本記事では、英語が苦手な私がどのように試験に臨み、合格を掴み取ったのか、その道のりを詳しくご紹介します。また、試験対策に役立つ英語単語集も用意しましたので、ぜひ参考にしてください。

受験のきっかけ

子供が受験を迎えて、一緒に勉強する雰囲気を作りたかったこともあり、クラウドの勉強を始めました。Google Cloud最後の試験となる本試験は、英語版のみの試験であり、決して英語が得意とは言えない私としては、かなり厳しい挑戦となりました。

学習方法

まず、他の試験と同様に試験ガイドを見て、どの様な試験範囲となるかを確認しました。次に、Google Cloud Skills Boostというトレーニングプログラムがあるので、それを受講(自分のペースでWebページを見ていく感じ)しました。
仕上げに、他の試験と同様、有料にはなりますが、Udemyの模擬試験を受講し、想定問題にて理解度を試しました。それなりの正答率になったので受験を行いましたが、2回Fail(不合格)となってしまいました。

再学習方法

正直なところ、Google Cloud Skills Boostについては、完全に仕上げるのはかなり時間がかかるため、主に講義部分だけを受講しており、実践部分は少ししか行っていませんでした。まずはこれを見直し、Skill Boostをできるだけ実習を含めて実施して、より具体的な理解を進めることを行いました。
また、8月に行われたGoogle Cloud Next Tokyo'24へ参加した際、相談コーナーの方に勉強方法について相談させていただき、英語で記述された書籍で勉強することを勧めていただきました。早速、「Official Google Cloud Certified Machine Learning & Engineer Study Guide」というKindleの書籍(英語・329ページ)を見つけて、それを購入して勉強しました。この書籍には問題集もついているので、それをGoogle翻訳を併用しつつ解いていき、そこで間違えた問題を中心に、理解が十分でない部分をインターネットの記事(Qiita等)で調べて理解していきました。

試験の感想

3回目の受験は徹底的に実習や勉強を行い、実践的な知識も身に着けたため、自信はありましたが、結果、合格することができました。
Google Cloud試験の場合、合否に関わらず得点が出ないため、余裕で合格したのか、ぎりぎりで合格したのかはわかりません。試験時間は、そこまでギリギリではなかったと思います。

まとめ(今後受験される方へ)

英語の試験であるため、できるだけ試験勉強自体を英語の教材で行う方が、かえって近道となるかもしれません。
また、他の試験同様、やはり模擬問題を解いてみて、その後でQiita等の記事を読んだり、Google Cloud Skills Boostで実践したりすると、頭に入ってくる度合がかなり上がります。

また、試験時間中は、できるだけ落ち着いて問題文を読み解くことをお勧めします。
一見難しく見える問題でも、自分の知っている知識の範囲で判断できるものや、文意から判断できる問題もありました。おそらく時間は十分あると思いますので、最後まであきらめずに、頑張ってください!

おまけ(覚えておくべき英単語)

英語が苦手でない方は不要かもしれませんが、一応私が覚えた英単語を掲載しますので、ご参考にしてください。

AI用語的な単語、熟語

英語 日本語訳例
inference 推論
cardinality 基数
exploratory 探索的
explanation method 説明方法
interpret 解釈する
skew 歪曲、歪み
drifting ドリフト
pre-emptive 先制的
annotated 注釈付き
forecasting 予測
mean 平均
median 中央値
mode 最頻値
state-of-the-art 最新
exploratory data analysis 探索的データ分析(EDA)
traceability トレーサビリティ
reproducibility 再現性
explainability 説明可能性
high definition images 高解像度画像
Integrated Gradients 統合勾配
dynamic range quantization ダイナミック レンジ量子化
reinforcement Learning 強化学習
converges 収束
coarsen 粗くする
oscillation 振動
sharded 断片化
covariate 共変量
perimeter 境界
0
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?